改進(jìn)語(yǔ)音增強(qiáng)多頻帶譜減算法研究

孫博凱

（哈爾濱理工大學(xué) 測(cè)控技術(shù)與通信工程學(xué)院，黑龍江 哈爾濱150080）

譜減法的目的在于將語(yǔ)音短時(shí)譜進(jìn)行估計(jì)，事先假設(shè)噪聲統(tǒng)計(jì)平穩(wěn)，噪聲的幅度譜值在有語(yǔ)音時(shí)段和無(wú)語(yǔ)音時(shí)段的數(shù)學(xué)期望值都是相等的。根據(jù)語(yǔ)音信號(hào)和加性噪聲是相互獨(dú)立互不相關(guān)這一特性，把有語(yǔ)音時(shí)段噪聲幅度值替換成無(wú)語(yǔ)音時(shí)段的噪聲幅度譜估計(jì)值，然后再和帶有噪語(yǔ)音幅度譜值相減，可以估計(jì)出語(yǔ)音幅度譜值，后與帶有噪聲的語(yǔ)音相位一并進(jìn)行傅里葉反變換，最終計(jì)算出增強(qiáng)后的語(yǔ)音信號(hào)。學(xué)者提出了許多關(guān)于譜減法的改進(jìn)方法[1-4]，比如在聽(tīng)覺(jué)掩蔽效應(yīng)和AR-HMM模型的基礎(chǔ)上對(duì)譜減法進(jìn)行改進(jìn)，這些改進(jìn)算法能在很大程度上抑制“音樂(lè)噪聲”。傳統(tǒng)的譜減算法必須假定語(yǔ)音信號(hào)和噪聲信號(hào)是統(tǒng)計(jì)互不相關(guān)的，表明即使在無(wú)語(yǔ)期間，噪聲也一樣會(huì)影響全部頻帶，噪聲頻譜在實(shí)際應(yīng)用中分布是不規(guī)則的，噪聲能量也會(huì)互不相同的表現(xiàn)在頻域上。

1 譜減法

傳統(tǒng)譜減法基本原理如圖1所示。

圖1 傳統(tǒng)譜減法基本原理Fig.1 Basic block diagram of the conventional spectral subtraction

假定y（n）、s（n）和d（n）分別為第n個(gè)取樣點(diǎn)帶噪語(yǔ)音的離散信號(hào)、原始純凈語(yǔ)音的離散信號(hào)和加性噪聲的離散信號(hào)，給定純凈語(yǔ)音信號(hào)與噪聲信號(hào)是在相互獨(dú)立的情況下，則帶噪語(yǔ)音信號(hào)為 ：

y（n）、s（n）和d（n）加窗處理后各自用yw（n），sw（s）dw（n），來(lái)表示，有yw（m）=sw（m）+dw（m）， 對(duì)其兩邊作傅里葉變換，整理得：

則有帶噪語(yǔ)音信號(hào)的功率譜為：

式（3）中：（ω）——Dw（ω）的復(fù)共軛函數(shù)；（ω）——Sw（ω）的復(fù)共軛函數(shù)；——語(yǔ)音短時(shí)的功率譜。Yw（ω）的 DFT 為

式中，λd（k）——無(wú)語(yǔ)時(shí)段噪聲Dw（ω）的統(tǒng)計(jì)平均值。

噪聲在某一段隨機(jī)時(shí)間內(nèi)是平穩(wěn)的，可以近似認(rèn)為噪聲在產(chǎn)生前和產(chǎn)生期間的功率譜相等，于是噪聲的估計(jì)值可以根據(jù)產(chǎn)生前的無(wú)語(yǔ)音的幀來(lái)獲得。估值可能導(dǎo)致這個(gè)差值為負(fù)，但功率譜只能取正。于是采用半波整流和全波整流兩種方法。利用半波整流方法處理時(shí)，對(duì)幅度為正的保持不變，非正的部分為0。對(duì)應(yīng)的表達(dá)式：

式（6）是從功率譜角度考慮的，如果從幅度譜角度出發(fā)時(shí)，幅度譜減為：

半波整流幅度譜減輸入和輸出幅度譜關(guān)系特性如圖2所示。

圖2 輸入和輸出幅度譜關(guān)系Fig.2 Input and output amplitude spectrum relationship

此方法目的在于對(duì)帶有噪聲語(yǔ)音信號(hào)幅度譜進(jìn)行過(guò)門(mén)限處理，其門(mén)限值設(shè)定為噪聲均值λd（k）的值，除了那些幅值小于門(mén)限值的那些信號(hào)，達(dá)到了提高語(yǔ)音信號(hào)質(zhì)量的目的。

由于人耳的感知特性對(duì)信號(hào)相位感知還達(dá)不到靈敏的程度，于是把增強(qiáng)后信號(hào)的估計(jì)值（ω）的相位等同于帶噪語(yǔ)音相位得：

利用全波整流法時(shí)，幅度為正的值不變，其他部分取絕對(duì)值，表達(dá)式為：

余下的處理和半波整流法相同。

2 譜減法的信號(hào)失真

傳統(tǒng)譜減法的優(yōu)勢(shì)在于其設(shè)計(jì)簡(jiǎn)單，便于計(jì)算，能夠明顯的提高語(yǔ)音信號(hào)質(zhì)量，其不足是處理后的語(yǔ)音信號(hào)帶有明顯的“音樂(lè)噪聲”，耳聽(tīng)起來(lái)就像流水聲并帶有節(jié)奏起伏?！耙魳?lè)噪聲”的產(chǎn)生會(huì)對(duì)語(yǔ)音信號(hào)一定的負(fù)面影響，如對(duì)信號(hào)的抑制和損傷，同時(shí)，對(duì)人耳對(duì)語(yǔ)音感知的舒適度也會(huì)產(chǎn)生影響[5-6]。

噪聲的頻譜特征的表現(xiàn)形式為它是成高斯分布的，幅值變化范圍寬，利用傳統(tǒng)譜減法處理語(yǔ)音時(shí)殘留“音樂(lè)噪聲”的一個(gè)根本原因，會(huì)使語(yǔ)音信號(hào)出現(xiàn)負(fù)值，如果把非正的值都處理為0，致使頻譜上形成尖峰，即產(chǎn)生“音樂(lè)噪聲”。這種噪聲每幀在隨機(jī)的頻率內(nèi)出現(xiàn)尖峰的集中表現(xiàn)，有可能對(duì)語(yǔ)音信號(hào)的抑制作用強(qiáng)于未被處理過(guò)的噪聲，更加令人反感，它的產(chǎn)生是傳統(tǒng)譜減法不可避免的，只能減弱，以提高語(yǔ)音的舒適度。

3 改進(jìn)多頻帶譜減算法

改進(jìn)算法的原理是將帶噪的語(yǔ)音信號(hào)按照頻率劃分成不同的頻帶，并使這些頻帶之間互不交疊，而后根據(jù)頻帶內(nèi)帶有噪聲的語(yǔ)音信號(hào)和噪聲的信噪比，選取自適應(yīng)算法計(jì)算得出這個(gè)頻帶的過(guò)減因子。

帶噪語(yǔ)音在多帶譜減算法語(yǔ)音增強(qiáng)時(shí)的功率譜表示為：

bk——第k個(gè)頻帶的頻率起點(diǎn)；

bk+1——第k個(gè)頻帶的頻率終點(diǎn)；

ak——第k個(gè)頻帶過(guò)減因子。

ak的值由第k個(gè)頻帶的分段帶有噪聲的語(yǔ)音信號(hào)與噪聲信號(hào)信噪比SNRk來(lái)確定，如下式：

式中，SNRk——第k個(gè)頻帶信噪比，由下式計(jì)算得到：

式中，δk——噪聲過(guò)減因子，可調(diào)節(jié)各個(gè)頻帶的噪聲抑制度并且通過(guò)它的取值可以觀察出信號(hào)能量的分布特點(diǎn)。

Kamath實(shí)驗(yàn)中得出結(jié)論：δk的值是常數(shù)由下式確定：

式中：fk——第k個(gè)頻帶的頻率上限峰值；Fs——采樣頻率。

語(yǔ)音信號(hào)能量大多出現(xiàn)在低頻段，為了減少語(yǔ)音失真，我們可以在上面找個(gè)一個(gè)較小的值，當(dāng)取到這個(gè)值的時(shí)候語(yǔ)音的失真程度最低，保證語(yǔ)音清晰度維持在一個(gè)理想的水平，同樣的在高頻段也可以找到適當(dāng)?shù)闹挡⒔Y(jié)合人耳感知特性去除在該頻段出現(xiàn)的噪聲。

式（16）內(nèi)的頻譜乘系數(shù)b通常等于0.002。

4 仿真結(jié)果與分析

利用MATLAB軟件來(lái)仿真多帶譜減算法進(jìn)行語(yǔ)音增強(qiáng)實(shí)驗(yàn)，仿真實(shí)驗(yàn)選取一段在實(shí)驗(yàn)室安靜條件下采集的男聲十個(gè)阿拉伯?dāng)?shù)字 （1-10）的標(biāo)準(zhǔn)漢語(yǔ)發(fā)音。各自加入選自NoiseX92標(biāo)準(zhǔn)噪聲庫(kù)中的白噪聲和粉紅噪聲，噪聲與語(yǔ)音信號(hào)的都經(jīng)過(guò)16 kHz的采樣，512點(diǎn)分幀，幀移為256點(diǎn)，實(shí)驗(yàn)是在不同的信噪比條件下進(jìn)行的，下面開(kāi)始介紹有代表性仿真實(shí)驗(yàn)的結(jié)果。

仿真實(shí)驗(yàn)通過(guò)波形圖和語(yǔ)譜圖進(jìn)行增強(qiáng)效果對(duì)比的方式來(lái)進(jìn)行，前者能夠更為直接的觀察增強(qiáng)效果。后者能集中顯示和語(yǔ)音語(yǔ)句特性相關(guān)的信息，這樣就具備頻譜圖和波形圖各自的優(yōu)點(diǎn)。利用語(yǔ)譜圖上得到的信息就可以觀察出噪聲殘留的結(jié)構(gòu)以及時(shí)域和頻域的分布特性，功率的大小和語(yǔ)譜圖上的顏色有關(guān)，顏色越深代表功率越大，相反顏色越淺代表功率越小。

圖3（c）是信噪比為0的加入白噪聲的帶噪語(yǔ)音，通過(guò)傳統(tǒng)譜減法和改進(jìn)的譜減法對(duì)其進(jìn)行語(yǔ)音增強(qiáng)，實(shí)驗(yàn)結(jié)果的波形圖見(jiàn)圖 3（e）、圖 3（g）和語(yǔ)譜圖見(jiàn)圖 3（f）、圖 3（h），從波形圖見(jiàn)圖3（e）可以看到新算法進(jìn)行語(yǔ)音增強(qiáng)后語(yǔ)音質(zhì)量明顯提高，表示為殘留的噪聲大量減少。圖3（f）中的離散的點(diǎn)狀紋，是“音樂(lè)噪聲”在語(yǔ)譜圖上的表現(xiàn)形式。帶噪語(yǔ)音在進(jìn)過(guò)改進(jìn)譜減算法增強(qiáng)后，點(diǎn)狀紋明顯減少即“音樂(lè)噪聲”明顯減少。

白噪聲的功率譜密度是均勻的分布在整個(gè)頻帶上的，它是理想噪聲的一種，在實(shí)際應(yīng)用環(huán)境中，我們遇到的噪聲大多為有色噪聲，故在實(shí)驗(yàn)中我們加入粉紅噪聲，比白噪聲更貼進(jìn)真實(shí)環(huán)境。圖4中的仿真實(shí)驗(yàn)是通過(guò)傳統(tǒng)譜減法和多頻帶譜減法分別處理受到粉紅噪聲干擾的帶噪語(yǔ)音，其信噪比為0，在波形圖和語(yǔ)譜圖的對(duì)比下，觀察到多頻帶譜減算法的語(yǔ)音增強(qiáng)效果仍然比傳統(tǒng)譜減法好。

5 結(jié)束語(yǔ)

圖3 白噪聲下語(yǔ)音增強(qiáng)實(shí)驗(yàn)（SNR=0）Fig.3 Speech enhancement experiments under white noised （SNR=0）

將多頻帶分解方法應(yīng)用于傳統(tǒng)譜減語(yǔ)音增強(qiáng)算法，將帶有噪聲的語(yǔ)音信號(hào)、估計(jì)的噪聲信號(hào)按不同頻率上劃分成為不同的頻帶，使這些頻帶之間互不交疊，根據(jù)每個(gè)頻帶內(nèi)的分段帶噪語(yǔ)音信號(hào)與噪聲信號(hào)的信噪比，用自適應(yīng)算法計(jì)算出這個(gè)頻帶過(guò)減因子，以提升增強(qiáng)語(yǔ)音的性能，能夠更有效的抑制產(chǎn)生殘留的“音樂(lè)噪聲”，語(yǔ)音信號(hào)的可讀性也有所上升。利用MATLAB實(shí)驗(yàn)仿真驗(yàn)證了多帶譜減法的增強(qiáng)效果優(yōu)于傳統(tǒng)譜減法，其表現(xiàn)為在增強(qiáng)過(guò)后的語(yǔ)音信號(hào)中殘留的“音樂(lè)噪聲”明顯降低，較大程度得提升了語(yǔ)音信號(hào)的質(zhì)量。

圖4 粉紅噪聲下語(yǔ)音增強(qiáng)實(shí)驗(yàn)（SNR=0）Fig.4 Speech enhancement experiments under pink noise （SNR=0）

[1]李媛，鐵勇，那順烏力吉，等.基于擴(kuò)展譜減法的語(yǔ)音增強(qiáng)算法及實(shí)現(xiàn)[J].內(nèi)蒙古大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，39（1）：97-101.

LI Yuan，TIE Yong，Na-shun-wu-li-ji，et al.Algorithm and realization ofspeech enhancementbased on extended spectral substraction[J].Journal of Inner Mongolia University：Natural Science Edition，2008，39（1）：97-101.

[2]錢(qián)國(guó)清，趙鶴鳴.基于改進(jìn)譜減算法的語(yǔ)音增強(qiáng)新方法[J].計(jì)算機(jī)工程與應(yīng)用，2005， 35（5）：42-43.

QIAN Guo-qing，ZHAO He-ming.New speech enhancement algorithm based on the improved spectral subtraction[J].Computer Engineering and Applications，2005，35（5）：42-43.

[3]暢通.語(yǔ)音增強(qiáng)算法的研究與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2007.

[4]常大曉，李萬(wàn)玉，董介春.基于擴(kuò)展譜減法語(yǔ)音增強(qiáng)系統(tǒng)的DSP實(shí)現(xiàn) [J].青島大學(xué)學(xué)報(bào)工程技術(shù)版，2005，20（4）：61-64.

CHANG Da-xiao，LI Wan-yu，DONG Jie-chun.Implementing a speech enhancement system with ESS on DSP[J].Journal of Qingdao University Engineering&Technology Edition，2005，20（4）：61-64.

[5]Martin R.Noise power spectral density estimation based on optimal smoothing and minimum statistics[J].IEEE Trans on Speech and Audio Processing，2001，9（5）：504-512.

[6]孟靜.語(yǔ)音增強(qiáng)算法性能的評(píng)價(jià)研究[D].蘭州：蘭州交通大學(xué)，2010.

[7]Jax P，Vary P.Artificial bandwidth extension of speech signals using MMSE estimation based on a hidden Markov model[J].IEEE International Conference on Aeeousties，Speech and Sigllal Proeessing，2003（1）：680-683.